Ask HN：你在使用生成式 AI 时的「糟糕」时刻是什么？
文章摘要
发问者回顾了大多数人对生成式 AI 的态度变迁：当 DALL-E 等图像模型走红时，许多人乐于挑出它们明显的缺陷；ChatGPT 问世时，又有不少人将其斥为「华而不实的把戏」，认为成不了大气候；而最初把 LLM 用于编程时，也只觉得它比基础的代码补全略强一些，顶多算是告别 Stack Overflow 的便利工具。
但随着模型能力的飞速演进，许多人的态度从轻描淡写的不屑，转向了略带恐慌的「糟糕，这东西原来能做到这种程度」的震撼。发问者好奇：究竟是哪个具体的瞬间，让你完成了这种从「不以为然」到「细思极恐」的转变？
这个问题引出了大量真实而鲜活的「顿悟时刻」分享，许多回答聚焦在逆向工程、固件破解、老旧硬件修复等高难度场景——这些原本需要深厚专业知识才能完成的任务，如今在 AI 的辅助下被一个晚上甚至一小时内解决。
HN 评论精华
jzemeocala：分享了用 Claude 逆向一台老式 Alesis QS8.1 合成器中无文档记录的 sysex 协议的经历。借助在 GHIDRA 中分析原厂软件，他在一个晚上就完成了此前看来极其困难的任务。
jsharf：讲述了如何救活一台变砖的 Kawai 钢琴——Claude 帮他反编译了 Android 固件更新 App，提取出硬编码的加密密钥，并写出一个蓝牙刷机脚本，最终「在一小时内」恢复了设备。
NoMoreNicksLeft：详述了用 Claude 引导 Ghidra 分析 Blowfish 加密、破解《纽约客》全集 DVD 的过程；此外还为《黑镜》互动内容补上 MKV 扩展名，并给 transmission 软件加上了种子下载功能。
idiotsecant：表达了一种担忧——未来几代人可能会丧失对技术底层原理的理解，沦为「向机器神灵祈祷的技术祭司」，只会使用却不再理解背后的复杂性。
fasterik：对上述担忧提出反驳，认为人人可及的 AI 反而可能让学习更加平民化。他指出大多数人本来就一直依赖各种抽象层，而非真正理解技术底层。
mattmanser：抱持怀疑态度，质疑 Claude 究竟是真正「解决」了问题，还是从训练数据中检索出了别人早已写好的现成方案——也许「其实是另有其人完成了这些工作」，只是没有署名而已。